Kimi K3：Moonshot AI 发布的 2.8T 开放权重前沿模型，专为智能体编程打造

Kimi K3 是 Moonshot AI 推出的全新旗舰大语言模型——拥有 2.8 万亿参数，是迄今为止发布的最大开放权重模型。该模型于 2026 年 7 月 16 日正式发布，将前沿级混合专家（Mixture-of-Experts，MoE）架构与 100 万 token 上下文窗口相结合，并以智能体优先的方式专注于编程与长周期知识工作。其亮点不仅在于规模：Moonshot 选择开放完整权重，让真正的前沿性能触手可及，可用于自托管智能体。以下是 K3 的实际情况、基准测试表现、定价方案及适用场景。

本文将深入介绍 K3 的架构、基准测试、定价，以及与 K2 系列的对比，并梳理开发者已在其上运行的具体工作流。

Kimi K3 是什么？

Kimi K3 是总部位于北京的 Moonshot AI 推出的开放权重、智能体优先的前沿模型，于 2026 年 7 月 16 日发布，是 Kimi K2 系列的继任者。Moonshot 将其定位为公司迄今最强大的开源编程模型，专为持续长时间工程会话、大型代码库导航以及在最少人工干预下协调终端工具而构建。(Fortune)

最引人注目的数字是规模。K3 在稀疏 MoE 架构中集成了 2.8 万亿总参数——约为 K2.6 的 2.8 倍，超过了 DeepSeek V4 Pro（约 1.6T）和智谱 GLM-5 系列等中国竞争对手。Moonshot 表示，这使其成为有史以来构建的最大开放权重模型。(VentureBeat)

关键在于，权重不会被锁定。Moonshot 已计划于 2026 年 7 月 27 日发布完整开放权重，届时开发者将能够检查、修改并自托管该模型，而不仅仅是调用托管 API。(Axios)

规格参数与架构

K3 延续了 K2 系列以 OpenAI 风格为基础、智能体优先的设计理念，并在各个维度上突破上限。

• 2.8T 参数稀疏 MoE ——拥有数百个专家，采用稀疏激活机制，每个 token 仅激活网络的一小部分。其规模着眼于广度与专业化，专为长周期推理和复杂工具使用而调优。(VentureBeat)
• 100 万 token 上下文窗口 ——足以将整个代码库、设计系统或研究语料库"一览无余"，无需繁琐的分块处理。(Axios)
• Kimi Delta Attention（KDA） ——一种混合线性注意力机制，由 Moonshot 作为开放研究首次发布，旨在使超长序列处理变得可行，同时避免标准注意力机制的成本爆炸问题。(VentureBeat)
• Attention Residuals（AttnRes，注意力残差） ——Moonshot 将其描述为残差连接的即插即用替代方案，可带来稳定的扩展增益。(VentureBeat)
• 原生多模态输入 ——支持跨文本和图像的视觉理解，以及 Moonshot 称之为"思考模式"的常驻推理模式。(Axios)
• 兼容 OpenAI SDK ——API 与 OpenAI 接口保持一致，已基于 OpenAI 或 Anthropic 工具链进行开发的团队可以以最小改动完成集成。(VentureBeat)

KDA 和 AttnRes 此前均已作为开放研究发布于 GitHub——这表明 K3 的效率提升来自架构创新，而非单纯的暴力扩参。(VentureBeat)

基准测试：K3 的实力定位

K3 发布时在 Artificial Analysis 排行榜上位列第三，仅次于 Anthropic 的 Claude Fable 5 和 OpenAI 的 GPT-5.6 Sol——但领先于其他所有模型，并在部分实际测试中拔得头筹。(Wikipedia)

以下是发布分析中的几项突出成绩：

• GDPval-AA v2（涵盖 44 个职业、9 个行业的真实世界任务）：K3 得分 1,687，总排名第三，落后于 Claude Fable 5 Max（1,815）和 GPT-5.6 Sol Max（1,747.8），领先于 Claude Opus 4.8（1,600）。(VentureBeat)
• AA-Briefcase（私有长周期知识工作基准）：K3 以 1,527 分位居第二，超越 GPT-5.6 Sol Max，仅次于 Fable 5 Max。(VentureBeat)
• 任务自动化：K3 在八项基准测试中的四项排名第一，包括 Automation Bench、SpreadsheetBench 2 和 BrowseComp，在其余大多数测试中位居 Fable 5 之后的第二名。(VentureBeat)
• 前端编程：在评测平台 Arena 的盲测中，开发者对 K3 的前端编程能力评价高于所有领先的美国模型，包括 Fable 5 和 GPT-5.6 Sol。(Axios)

对于智能体开发者而言，有一个细节值得关注：Moonshot 表示，上述自动化成绩是在单智能体配置下、仅使用 100 万 token 上下文实现的——未使用任何上下文压缩或外部上下文管理技巧。这暗示原始上下文长度加上强大的检索能力，可以媲美复杂的多智能体变通方案。(VentureBeat)

需要注意的是：K3 公开发布仅数日，病毒式传播的演示和早期基准测试可能会夸大模型在真实生产环境中的稳定表现。请将排行榜数字视为有前景的起点，而非定论。(Axios)

定价与访问方式

K3 目前可通过 kimi.com 界面、移动应用以及 Moonshot 平台 API（platform.moonshot.ai）访问。托管定价约为每百万输入 token 3 美元，每百万输出 token 15 美元。(MLQ)

这是中国 AI 实验室中定价最高的模型——与 Moonshot 早期模型以深度折扣著称的风格截然不同。作为参考，其价格远高于智谱 GLM-5.2（输出 $4.40/M）和 DeepSeek V4（输出 $0.87/M），但仍远低于美国前沿模型：Claude Fable 同等任务的输出价格约为每百万 token 50 美元。(Fortune)

在制定预算前，有两点实际注意事项：

• K3 目前仅提供一种推理强度级别（"max"），独立测试者反映推理 token 消耗量较大——有人指出生成一个简单 SVG 大约消耗了 13,241 个 token（约 0.25 美元）。长链任务的成本会迅速累积。(MLQ)
• 一旦权重于 7 月 27 日发布，自托管将成为需要数据驻留或希望在规模化场景下控制成本的团队的可选方案——这与 Moonshot 开放权重系列一贯的"托管转自托管"路径一致。(Axios)

K3 与 K2.5 / K2.6 / K2.7 的对比：有何变化

如果你曾使用过 K2 系列，K3 与其说是全新的 API，不如说是对各项上限的全面提升。该平台保持了相同的 OpenAI 风格接口和工具调用语义，因此升级路径依然顺畅。

相较于 K2.x 系列，K3 的主要差异化优势在于：参数量近 3 倍提升、上下文窗口延长 4 倍（从 256k 到 1M）、全新的 KDA + AttnRes 架构，以及更强的多模态推理能力。Moonshot 还报告称，K3 在同等任务上的输出 token 数量比 K2.6 减少约 21%——延续了 Kimi K2.7 Code 的效率提升趋势。(MLQ)

面向开发者与团队的真实应用场景

K3 兼具前沿性能、超大上下文和开放权重，使其成为严肃智能体工作的有力骨干候选：

• 自主编程智能体，能够独立完成完整功能开发——持续长时间工程会话、导航大型代码库，并在最少人工监督下协调终端工具。(Fortune)
• 代码库级迁移与原型开发 ——将 PRD（产品需求文档）、设计文件和历史文档转化为可运行的脚手架，同时在 100 万 token 窗口中保留完整项目上下文。
• 文档密集型知识工作，适用于金融、法律和咨询领域——大上下文加原生视觉能力有助于处理密集报告，而开放权重则允许将敏感工作流迁移至自托管基础设施。

这并非假设性的采用场景。Moonshot 早期模型已被集成进西方产品——Cursor 使用 Kimi 协助构建其 Composer 2 编程智能体，DoorDash 的 CTO 表示公司将"低层级工作委托给 Kimi K2.6"。K3 进一步提升了这些团队的构建上限。(Fortune)

K3 对 AI 格局的深远意义

从战略层面看，K3 是 Moonshot 证明开放权重模型能够在最高价值领域——复杂编程、长周期推理和多模态研究——与闭源系统正面竞争的重要举措。分析人士将此次发布解读为一个信号：即便面临硬件限制，架构创新加上预训练扩参仍能为中国 AI 实验室带来跨越式进步。(CNBC)

这也是一次竞争冲击。此次发布——时间节点恰在 2026 年世界人工智能大会（上海）开幕前夕——被广泛解读为开源模型不再落后于闭源模型数月之久的有力证明。对于正在评估前沿模型的开发者而言，这意味着 K3 应与 Claude 和 GPT-5.x 并列进入候选名单，尤其是当你的路线图包含自托管智能体和多模态工作流时。(VentureBeat)

从更宏观的开放权重视角来看，K3 与我们持续追踪的其他前沿发布并列：DeepSeek V4 Pro、智谱 GLM-5.2 以及 MiniMax-01。

将 Kimi K3 这样的模型融入你的 AI 工作团队

K3 的真正价值，在于将前沿模型接入真实工作流——代码库、文档、终端和多步骤计划——而非仅仅用于对话。这正是模型无关、多智能体平台的用武之地：将长周期编程任务路由给 K3，将其他任务交给更适合的模型，并跨真实工作场景进行协调编排。Eigent 是一款开源协作桌面应用，可在本地运行多智能体 AI 工作团队，让你为每项任务选用最佳模型，同时将敏感数据保留在自己的设备上。了解智能体如何端到端地审查 GitHub PR，然后下载 Eigent 亲身体验。

常见问题解答

Kimi K3 是什么？

Kimi K3 是 Moonshot AI 的前沿大语言模型，于 2026 年 7 月 16 日发布——这是一个拥有 2.8 万亿参数的稀疏混合专家模型，支持 100 万 token 上下文窗口和原生多模态输入。Moonshot 将其定位为有史以来发布的最大开放权重模型，也是其迄今最强大的开源编程模型。

Kimi K3 是开源的吗？

Moonshot 已承诺于 2026 年 7 月 27 日发布 K3 的完整权重，届时开发者可以检查、修改并自托管该模型。在此之前，K3 可通过托管的 kimi.com 界面、移动应用以及 Moonshot 平台 API 访问。

Kimi K3 与 Claude 和 GPT-5 相比如何？

K3 发布时在 Artificial Analysis 排行榜上位列第三，仅次于 Anthropic 的 Claude Fable 5 和 OpenAI 的 GPT-5.6 Sol，但在部分实际测试中领先——包括 Arena 的盲测前端编程评测，开发者对其评价高于上述两款模型。在八项任务自动化基准测试中，K3 有四项排名第一。

Kimi K3 的定价是多少？

托管定价约为每百万输入 token 3 美元，每百万输出 token 15 美元——是中国 AI 实验室中定价最高的，但仍远低于 Claude Fable 等美国前沿模型。K3 目前仅提供单一"max"推理级别，测试者反映推理 token 消耗量较大，因此长链任务的成本可能较高。

K3 相较于 K2 系列有哪些新变化？

K3 将参数量从 K2 的 1T 扩展至 2.8T，上下文窗口从 256k 延伸至 1M token，并引入了两项全新架构技术——Kimi Delta Attention 和 Attention Residuals。此外，在同等任务上，K3 的输出 token 数量比 K2.6 减少约 21%，同时具备更强的多模态推理能力。

我可以在 Eigent 这样的多智能体平台上使用 Kimi K3 吗？

可以。由于 K3 兼容 OpenAI SDK，且（自 7 月 27 日起）支持自托管，Eigent 这样的模型无关平台可以将长周期编程和知识工作任务路由给 K3，同时将其他模型用于常规步骤——在需要时将数据保留在本地。